การประมาณค่าที่ดีขึ้นนำไปสู่ประสิทธิภาพที่ดีขึ้นหรือไม่?

ลองตั้งสมมติฐานว่าการใช้การประมาณค่า variance-covariance matrix แบบ robust จะให้ผลลัพธ์ที่ดีกว่าการใช้ sample variance-covariance matrix ในทางทฤษฎี การประมาณค่าที่แม่นยำกว่าควรให้ผลลัพธ์ที่ดีกว่า เราจะใช้ฟังก์ชัน moments_robust() ที่กำหนดไว้ในบทที่ 3 ร่วมกับ portfolio specification จากแบบฝึกหัดที่แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์พอร์ตโฟลิโอระดับกลางใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

รันการ optimization โดยใช้ฟังก์ชัน moments_robust() เพื่อประมาณค่า moment โดย backtest ของการ optimization จะใช้พารามิเตอร์เดิมที่เคยใช้ ได้แก่ การปรับสมดุลรายไตรมาส พร้อมระยะเวลา training period และ rolling window ที่ครอบคลุมข้อมูล 5 ปี จากนั้นกำหนดผลลัพธ์ให้กับตัวแปรชื่อ opt_rebal_rb_robust
สร้างกราฟแสดงค่าน้ำหนัก
สร้างกราฟแสดง component percentage contribution to risk
คำนวณผลตอบแทนของพอร์ตโฟลิโอโดยใช้ Return.portfolio() แล้วกำหนดผลตอบแทนให้กับตัวแปรชื่อ returns_rb_robust

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Run the optimization
opt_rebal_rb_robust <- optimize.portfolio.rebalancing(R = ___, 
                                                      momentFUN = ___,
                                                      portfolio = ___, 
                                                      optimize_method = "random", rp = rp,
                                                      trace = TRUE,
                                                      rebalance_on = ___, 
                                                      training_period = ___,
                                                      rolling_window = ___)

# Chart the weights


# Chart the percentage contribution to risk
chart.RiskBudget(___, match.col = "StdDev", risk.type = ___)

# Compute the portfolio returns
returns_rb_robust <- Return.portfolio(R = ___, weights = ___)
colnames(returns_rb_robust) <- "rb_robust"

แก้ไขและรันโค้ด